VC 차원은 이진 분류기의 용량을 측정하는 데 사용됩니다.

부분 공간은 일반적으로 선형 부분 공간이라고도 하며, 벡터 부분 공간은 벡터 공간의 부분 집합입니다.

희소 표현의 중요성은 차원 감소에 있으며, 이 차원 감소는 공간 절약에만 국한되지 않습니다. 희소 표현 이후 특징 벡터의 차원 간의 종속성은 낮아지고 더 독립적이 됩니다.

안정성-가소성 딜레마는 인공 및 생물학적 신경 시스템 모두의 제약입니다.

음성 인식은 컴퓨터가 자연어를 인식할 수 있도록 하는 기술입니다. 이 기술의 목표는 컴퓨터가 사람의 음성 내용을 해당 텍스트로 변환하는 것입니다.

시뮬레이티드 어닐링은 특정 기간 내에 넓은 검색 공간에서 최적에 가까운 솔루션을 찾는 데 자주 사용되는 일반적인 확률 알고리즘입니다.

유사도 측정은 서로 다른 샘플 간의 유사성을 추정하는 데 사용되며 종종 분류 문제의 기준으로 사용됩니다.

시그모이드 함수는 일반적인 S자 모양 함수로, S자 모양 성장 곡선이라고도 합니다. 시그모이드 함수는 단조 증가 및 역단조 증가 특성을 가지고 있어 신경망에서 변수를 0과 1 사이로 매핑하는 임계값 함수로 자주 사용됩니다.

무인 주행은 주로 자율주행 자동차를 말하는데, 무인자동차, 컴퓨터로 구동되는 자동차 또는 바퀴 달린 모바일 로봇이라고도 합니다. 이들은 전통적인 자동차의 운송 기능을 갖춘 무인 지상 차량의 한 종류입니다.

재생산 커널 힐베르트 공간(RKHS)은 함수로 구성된 재생산 커널을 갖춘 힐베르트 공간입니다. 힐베르트 공간에서는 "커널 트릭"을 사용하여 데이터 집합을 재현 가능한 커널 힐베르트 공간인 고차원 공간으로 매핑합니다.

정규화는 잘못된 문제를 해결하거나 과적합을 방지하기 위해 추가 정보를 도입하는 과정입니다.

정류 선형 유닛(ReLU)은 선형 정류 함수라고도 하며, 인공 신경망에서 일반적으로 사용되는 활성화 함수로, 일반적으로 램프 함수와 그 변형으로 표현되는 비선형 함수를 말합니다.

회수율은 검색된 샘플 수를 전체 샘플 수로 나눈 비율로, 검색 시스템의 회수율을 측정합니다.

준뉴턴법은 뉴턴법을 기반으로 한 최적화 방법입니다. 주로 비선형 방정식이나 연속 함수의 영점 문제나 최대값, 최소값 문제를 푸는 데 사용됩니다.

가상 레이블링(PL)은 레이블이 지정되지 않은 데이터에 예측 레이블을 추가하도록 모델을 훈련하는 작업입니다.

사전 확률은 과거의 경험과 분석을 바탕으로 얻은 확률을 말합니다. 이는 일반적으로 통계적 확률입니다.

주성분 분석(PCA)은 데이터 세트를 분석하고 단순화하는 기술입니다. 차원 축소라는 개념을 활용해 여러 지표를 보다 포괄적인 지표로 변환합니다. PCA는 특성량을 사용하여 다변수 통계 분포를 분석하는 가장 간단한 방법입니다.

사전 가지치기는 가지치기 알고리즘의 한 유형입니다. 이는 의사결정 트리가 생성되기 전에 수행하는 가지치기 작업을 말합니다.

양의 정부호 행렬은 모든 고유값이 0보다 큰 대칭 행렬입니다.

양성 클래스는 이진 분류 문제에서 예상되는 클래스를 나타냅니다. 해당 카테고리를 부정적 클래스(Positive Class)라고 합니다.

상대적 다수결 투표는 가장 간단한 투표 방법입니다. 평범한 사람의 말로 표현하자면, 소수는 다수에게 복종합니다.

성능 지표는 모델의 일반화 능력을 측정하는 데 사용되는 평가 기준입니다.

순서형 속성은 가능한 값들이 그 자체로 의미 있는 순서나 순위를 가지고 있지만, 연속된 값들 사이의 차이는 알 수 없는 속성입니다. 우선순위가 있으며 크고 작은 것 사이에는 차이가 있습니다.

원샷 러닝은 기계가 새로운 환경 시나리오에 대한 사전 지식 없이도 단일 시연 후 다양한 환경에서 반복적으로 작업할 수 있는 능력을 말합니다.

VC 차원은 이진 분류기의 용량을 측정하는 데 사용됩니다.

부분 공간은 일반적으로 선형 부분 공간이라고도 하며, 벡터 부분 공간은 벡터 공간의 부분 집합입니다.

희소 표현의 중요성은 차원 감소에 있으며, 이 차원 감소는 공간 절약에만 국한되지 않습니다. 희소 표현 이후 특징 벡터의 차원 간의 종속성은 낮아지고 더 독립적이 됩니다.

안정성-가소성 딜레마는 인공 및 생물학적 신경 시스템 모두의 제약입니다.

음성 인식은 컴퓨터가 자연어를 인식할 수 있도록 하는 기술입니다. 이 기술의 목표는 컴퓨터가 사람의 음성 내용을 해당 텍스트로 변환하는 것입니다.

시뮬레이티드 어닐링은 특정 기간 내에 넓은 검색 공간에서 최적에 가까운 솔루션을 찾는 데 자주 사용되는 일반적인 확률 알고리즘입니다.

유사도 측정은 서로 다른 샘플 간의 유사성을 추정하는 데 사용되며 종종 분류 문제의 기준으로 사용됩니다.

시그모이드 함수는 일반적인 S자 모양 함수로, S자 모양 성장 곡선이라고도 합니다. 시그모이드 함수는 단조 증가 및 역단조 증가 특성을 가지고 있어 신경망에서 변수를 0과 1 사이로 매핑하는 임계값 함수로 자주 사용됩니다.

무인 주행은 주로 자율주행 자동차를 말하는데, 무인자동차, 컴퓨터로 구동되는 자동차 또는 바퀴 달린 모바일 로봇이라고도 합니다. 이들은 전통적인 자동차의 운송 기능을 갖춘 무인 지상 차량의 한 종류입니다.

재생산 커널 힐베르트 공간(RKHS)은 함수로 구성된 재생산 커널을 갖춘 힐베르트 공간입니다. 힐베르트 공간에서는 "커널 트릭"을 사용하여 데이터 집합을 재현 가능한 커널 힐베르트 공간인 고차원 공간으로 매핑합니다.

정규화는 잘못된 문제를 해결하거나 과적합을 방지하기 위해 추가 정보를 도입하는 과정입니다.

정류 선형 유닛(ReLU)은 선형 정류 함수라고도 하며, 인공 신경망에서 일반적으로 사용되는 활성화 함수로, 일반적으로 램프 함수와 그 변형으로 표현되는 비선형 함수를 말합니다.

회수율은 검색된 샘플 수를 전체 샘플 수로 나눈 비율로, 검색 시스템의 회수율을 측정합니다.

준뉴턴법은 뉴턴법을 기반으로 한 최적화 방법입니다. 주로 비선형 방정식이나 연속 함수의 영점 문제나 최대값, 최소값 문제를 푸는 데 사용됩니다.

가상 레이블링(PL)은 레이블이 지정되지 않은 데이터에 예측 레이블을 추가하도록 모델을 훈련하는 작업입니다.

사전 확률은 과거의 경험과 분석을 바탕으로 얻은 확률을 말합니다. 이는 일반적으로 통계적 확률입니다.

주성분 분석(PCA)은 데이터 세트를 분석하고 단순화하는 기술입니다. 차원 축소라는 개념을 활용해 여러 지표를 보다 포괄적인 지표로 변환합니다. PCA는 특성량을 사용하여 다변수 통계 분포를 분석하는 가장 간단한 방법입니다.

사전 가지치기는 가지치기 알고리즘의 한 유형입니다. 이는 의사결정 트리가 생성되기 전에 수행하는 가지치기 작업을 말합니다.

양의 정부호 행렬은 모든 고유값이 0보다 큰 대칭 행렬입니다.

양성 클래스는 이진 분류 문제에서 예상되는 클래스를 나타냅니다. 해당 카테고리를 부정적 클래스(Positive Class)라고 합니다.

상대적 다수결 투표는 가장 간단한 투표 방법입니다. 평범한 사람의 말로 표현하자면, 소수는 다수에게 복종합니다.

성능 지표는 모델의 일반화 능력을 측정하는 데 사용되는 평가 기준입니다.

순서형 속성은 가능한 값들이 그 자체로 의미 있는 순서나 순위를 가지고 있지만, 연속된 값들 사이의 차이는 알 수 없는 속성입니다. 우선순위가 있으며 크고 작은 것 사이에는 차이가 있습니다.

원샷 러닝은 기계가 새로운 환경 시나리오에 대한 사전 지식 없이도 단일 시연 후 다양한 환경에서 반복적으로 작업할 수 있는 능력을 말합니다.